首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于模糊聚类和均值漂移的图像分割算法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-14页
第一章 绪论第14-18页
    1.1 研究背景和研究价值第14页
    1.2 图像分割方法综述第14-16页
    1.3 模糊聚类和无监督图像分割算法研究进展第16-17页
    1.4 后续章节安排第17-18页
第二章 图像分割算法的基础理论第18-28页
    2.1 模糊C均值(FCM)聚类第18-20页
    2.2 相似性距离第20-21页
    2.3 图像噪声及滤波算法第21-25页
        2.3.1 图像噪声第21-22页
        2.3.2 与图像分割相关的滤波器第22-25页
    2.4 KFCM分割图像第25-26页
    2.5 本章小结第26-28页
第三章 基于空间灰度及密度信息核模糊聚类的灰度图像分割第28-52页
    3.1 引言第28页
    3.2 基于空间和灰度约束的模糊聚类图像分割算法第28-36页
        3.2.1 引入空间约束正则化项的模糊C均值聚类第28-30页
        3.2.2 结合均值和中值滤波以及核测度的空间约束FCM第30-31页
        3.2.3 基于空间隶属度约束的FCM第31-32页
        3.2.4 基于空间和灰度约束的快速FCM图像分割第32-34页
        3.2.5 基于空间约束的模糊因子第34-36页
    3.3 基于空间灰度及密度约束核模糊聚类的图像快速分割第36-40页
    3.4 实验结果对比分析第40-51页
        3.4.1 人工合成图像实验验证与对比分析第40-43页
        3.4.2 真实灰度图像实验验证与对比分析第43-47页
        3.4.3 医学图像分割结果对比第47-51页
    3.5 本章小结第51-52页
第四章 基于均值漂移和模糊聚类的彩色图像自动分割第52-70页
    4.1 引言第52页
    4.2 均值漂移算法简介第52-57页
        4.2.1 密度梯度估计第53-55页
        4.2.2 均值漂移应用于图像滤波和图像分割第55-57页
    4.3 基于均值漂移和模糊聚类彩色图像自动分割第57-63页
        4.3.1 均值漂移应用于彩色空间分析和图像平滑第57-60页
        4.3.2 均值漂移搜索密度峰值第60-61页
        4.3.3 用模糊聚类算法分割图像第61-62页
        4.3.4 均值漂移算法和聚类算法的类比以及均值漂移算法的优点第62-63页
    4.4 实验结果验证与对比分析第63-68页
    4.5 本章小结第68-70页
第五章 总结与展望第70-72页
    5.1 本文工作总结第70页
    5.2 对未来工作的展望第70-72页
参考文献第72-76页
致谢第76-78页
作者简介第78-79页

论文共79页,点击 下载论文
上一篇:长春公园园林植物多样性调查和应用研究
下一篇:我国法治政府指标体系的构建--以法治指数中政府评估观察为视角